אלקטרואנצפלוגרפיה ומגנטואנצפלוגרפיה בו זמנית לזיהוי אזורי מוח המועדים להתקפים

תקציר

מקור: Papadelis, C. , et al.,} תנודות בין-תדירות גבוהה שזוהו באמצעות מגנטואנצפלוגרפיה ואלקטרואנצפלוגרפיה בו-זמנית כסמן ביולוגי של אפילפסיה בילדים. J. Vis. exp.{{TAG_ 27}} (2016).

סרטון זה מדגים את השיטה של שימוש בהקלטות אלקטרואנצפלוגרפיה (EEG) ומגנטואנצפלוגרפיה (MEG) כדי לזהות פריקות אפילפטיות בין-איקטליות (IED) ותנודות בתדר גבוה (HFOs) כדי לאתר אזורים מועדים להתקפים במוח.

פרוטוקול

כל ההליכים הכוללים משתתפים אנושיים בוצעו בהתאם להנחיות המוסדיות, הלאומיות והבינלאומיות לרווחת האדם ונבדקו על ידי מועצת הביקורת המוסדית המקומית.

1. רכישת נתונים

1. }מגנטואנצפלוגרפיה (MEG) ואלקטרואנצפלוגרפיה (EEG)
   } הערה:} רכישת נתוני MEG/EEG מתבצעת על סמך השיטה. פרטים נוספים על השימוש הקליני ב-MEG באפילפסיה בילדים ניתן למצוא במקום אחר.
   1. הקלט אותות MEG עם מערכת MEG לכל הראש.
      הערה: מערכת MEG משתמשת בחיישני סרט דק משני סוגים (גרדיומטרים מישוריים ומגנטומטרים) המשולבים ב-102 רכיבי חיישנים. כל אלמנט מכיל מגנטומטר המורכב מסליל יחיד ושני גרדיומטרים מישוריים אורתוגונליים המורכבים מתצורת סליל מסוג "דמות שמונה". המגנטומטר מודד את השטף המגנטי בניצב לפני השטח שלו, והגרדיומטרים מודדים את ההבדל בין שתי הלולאות של ה"שמונה", או השיפוע המרחבי. למערכת MEG יש 204 גרדיומטרים מישוריים ו-102 מגנטומטרים (306 חיישנים בסך הכל). למערכות MEG של ספקים שונים יש מספרים וסוגים שונים של סלילים ( כלומר, גרדיומטרים ציריים).
   2. הקלט בו זמנית אותות EEG באמצעות מכסה אלקטרודה לא מגנטי של 70 ערוצים עם אלקטרודות טבעת מסונטרות Ag/AgCl ואלקטרודות נוספות ב-T1/T2. השתמש במונטאז' רפרנס נפוץ.
   3. סגור את דלת החדר הממוגן המגנטי (MSR). לתקשר עם המטופל באמצעות מערכת אינטרקום כדי לבדוק אם הוא מרגיש בנוח. בקשו מההורה להישאר בתוך ה-MSR במהלך ההקלטה אם הילד מרגיש לא בנוח להישאר לבד.
   4. התחל את ההקלטות על ידי לחיצה על כפתור 'עבור' בתוכנת הרכישה של MEG. השתמש בקצב דגימה גבוה של 1 קילו-הרץ (או יותר). השתמש במסנן תגובת דחף אינסופית (IIR) במעבר נמוך מסדר 6 ב-400 הרץ. בדוק את כל האותות המוקלטים באינטרנט. תקן ערוצי MEG פגומים באמצעות מקלט חיישנים.
      הערה: ערוצי MEG גרועים מוגדרים כחיישנים (גרדיומטרים או מגנטומטרים) בעלי רמה גבוהה יחסית של רעש לבן (מעל 2 עד 5 fT/√Hz עבור מגנטומטרים) או חיישנים המתעדים רעש אלקטרומגנטי סביבתי מזויף. זה קורה בדרך כלל כאשר החיישנים חשופים לשדות מגנטיים חזקים (יחסית לאותות הנמדדים), וחלקים ספציפיים של הסלילים "לוכדים" את השטף המגנטי והורסים את מוליכות-העל. לאחר מכן משתמשים במקלט חיישנים לחימום הסליל על ידי הפעלת זרם חשמלי דרכו. הליך זה נקרא כוונון ומשמש כאשר רמת הרעש הלבן של החיישן היא מעל סף מסוים ( כלומר, 2 - 5 fT/√Hz). לחלק ממערכות MEG אין מקלטי חיישנים.
   5. מדוד את תנוחת הראש של המטופל על ידי לחיצה על כפתור 'מדוד' בתוכנת רכישת MEG. אם המערך החושי אינו מכסה היטב את ראשו של המטופל, בקש מהמטופל להזיז את ראשו עמוק יותר לתוך הקסדה.
      הערה: תמרון זה מפעיל את 4 סלילי מחוון מיקום הראש (HPI) על ידי הפעלת אותות חשמליים תנודתיים חולפים דרכם, היוצרים שדות מגנטיים מלאכותיים. חיישני MEG מזהים שדות אלה וקובעים את מיקום הראש. ההליך עשוי להיות שונה בין ספקי MEG שונים.
   6. הקלט הקלטות MEG, EEG והקלטות היקפיות על ידי לחיצה על כפתור 'הקלט' בתוכנת הרכישה של MEG (, כלומר, אלקטרוקרדיוגרמה או א.ק.ג, אלקטרוקולוגרמה או EOG, ואלקטרומיוגרמה או EMG) למשך ~60 דקות.
      } הערה: הנתונים מאוחסנים כקובץ .fif במערכים המיותרים של דיסקים עצמאיים (RAID). סוג הקובץ שונה עבור ספקי MEG אחרים.
   7. בסיום ההקלטה יש לפתוח את ה-MSR, לנתק את הכבלים ולהוציא את המטופל מחדר ה-MSR. הסר בעדינות את כל הקלטות, האלקטרודות, סלילי ה-HPI ומכסה ה-EEG. שטפו את ראש המטופל.
   8. לאחר השלמת הרכישה, רשום את האותות המגנטיים של ה-MSR הריק ללא המטופל. התחל את ההקלטות על ידי לחיצה על כפתור 'עבור' בתוכנת הרכישה של MEG. רשום נתוני MEG למשך 2 דקות.
      הערה: נתונים אלה משמשים להערכת הרעש האלקטרומגנטי הסביבתי.

2. זיהוי פעילות אינטריקטלית

1. פתח את הנתונים באמצעות סיעור מוחות, המתועד וזמין להורדה חופשית באינטרנט תחת הרישיון הציבורי הכללי של גנו.
2. בחר חלקים חזותיים של נתוני ה-EEG עם פעילות אינטריקטלית המתרחשת לפחות שעתיים מלבד התקפים קליניים.
   הערה: } איור 1 מציג חלק מנתוני EEG ו-MEG עם מטעני חבלה תכופים.
   1. זהה פריקות אפילפטיות אינטריקטליות מוגדרות היטב (IEDs) מוגדרות אמפירית באותות ה- EEG: זה כולל קוצים (20 - 70 אלפיות השנייה) וגלים חדים (70 - 200 אלפיות השנייה).
      הערה: המשמעות הקלינית של שני סוגי המטענים בלוקליזציה של מוקד אפילפטי היא שווה.
   2. נסה לזהות (במידת האפשר) חלקים מההקלטות עם: (i) חפצי תנועה מינימליים, (ii) יותר מ-3 - 4 מטעני חבלה לכל תצוגה של 10 שניות, ו-(iii) שנת גל איטי שאינה REM המציגה בדרך כלל מספר גבוה של תנודות בתדר גבוה (HFOs).
3. באמצעות סיעור מוחות, הצג את הנתונים עם הגדרות תצוגה סטנדרטיות (10 שניות לעמוד). עבור ללשונית מסנן והגדר את פרמטרי תצוגת המסנן הבאים: מסנן מעביר גבוה: 1 הרץ, מסנן מעביר נמוך: 80 הרץ, ומסנן חריץ: 50 או 60 הרץ (בהתאם לתדר קו החשמל). לבדוק את הנתונים ולזהות חלקים מהם באמצעות מטעני חבלה.
   הערה: רק חלקים מהאות עם מטעני חבלה ייסרקו כדי לחפש HFOs. המסננים שנבחרו מיועדים לתצוגה חזותית בלבד; הם לא יושמו על הנתונים. כדי להחיל מסננים אלה לצמיתות על הנתונים, השתמש במסנן Butterworth מעבר פס (סדר רביעי) בהתאם להוראות באתר סיעור מוחות (http://neuroimage.usc.edu/brainstorm/).
4. סמן את השיא של כל מטען חבלה המתרחש הן בנתוני EEG והן בנתוני MEG (ראה נקודות אדומות ב-} איור 1).
   הערה: פרטים נוספים על סימון מטעני חבלה באמצעות סיעור מוחות ניתן למצוא במקום אחר (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. זיהוי אוטומטי למחצה של HFOs בנתוני EEG ו-MEG של הקרקפת בו-זמנית

{{}} הערה: כאן אנו מתארים שיטה חצי אוטומטית לאיתור HFOs, הכוללת זיהוי אוטומטי ({{}}} איור 2), ואחריו סקירה חזותית של ה-HFOs שזוהו אוטומטית. על מנת להימנע מתנודות מזויפות של ארעיות חדות כאדוות אמיתיות וכדי להבטיח שה-HFOs אינם נובעים מתופעת סינון, עקבנו אחר ההצעות האחרונות בספרות הרלוונטית: דרשנו מה-HFOs להיות בעלי מספר מינימלי של 4 תנודות מכיוון שנצפה כי לתגובת הדחף של המסנן יש פחות תנודות ממספר המחזורים שנבחר50, השתמשנו במסנן תגובת דחף סופית (FIR) כדי למזער את אפקט הצלצול ואת תופעת "גיבס"50, דרשנו שאירועי ה-HFO המועמדים ייבדקו גם ויזואלית על ידי מומחה כדי לבדוק אם ה-HFOs נראים גם על גבי המטענים, ודרשנו לצפות באי מבודד במישור תדר הזמן מכיוון שלאירוע חד ולתנודה יש חתימות שונות: HFO אמיתי מיוצג על ידי שיא מבודד בתרשים תדר הזמן (מוגבל בתדירות, כ"אי") הממוקם בפס של 80 - 500 הרץ, בעוד שאירוע חולף מייצר כתם מוארך, מורחב בתדירות.

1. זיהוי אוטומטי של HFO
   הערה: איור 2 מתאר את תרשים הזרימה של הזיהוי האוטומטי של HFOs בכל אות EEG. מטרת השיטה שפותחה היא להפחית את העומס על מומחה ה-EEG לסמן אירועי HFO בכל ערוץ EEG באמצעות תצוגה של 2 שניות/עמוד המומלצת לבדיקה ויזואלית של HFOs. HFO הוגדר כאירוע בתוך פס תדרי האדווה (80 - 250 הרץ), שיש לו לפחות 4 תנודות של מורפולוגיה דמוית סינוסואיד הבולטות מהרקע שמסביב, ואשר מופיע כאירוע קצר מועד עם שיא ספקטרלי מבודד בתדר גבוה מובהק.
   1. זיהוי HFOs מועמדים בתחום הזמן
      1. מעבר פס (BP) מסנן את אותות ה-EEG בין 80 ל-250 הרץ, ומגביל את תוכן התדר שלהם לפס האדווה המעניין.
         הערה: מומלץ להשתמש במסנן FIR כדי למזער את אפקט הצלצול ואת תופעת "גיבס", ובסינון דיגיטלי אפס פאזה כדי למנוע עיוות פאזה.
      2. חשב את המעטפת של אות BP באמצעות טרנספורמציית הילברט. חשב את הממוצע ואת סטיית התקן (SD) של המעטפה על פני חלונות הזזה של 10 שניות הממוקדים בכל נקודה בסדרת הזמן. הערך את הממוצע הכולל ואת ה- SD באמצעות הערך החציוני על פני כל החלונות (על מנת להשיג ערכים חזקים לנוכחות אפשרית של חלקים מהאות עם HFOs רבים ו- SD גבוה).
      3. חשב את ציון ה-z של המעטפה וסמן HFO מועמד בכל פעם שהוא גבוה מהסף המינימלי, המוגדר ל-3.
      4. הגדר את נקודות ההתחלה והסיום של האירוע שזוהה כמעברים כלפי מעלה וכלפי מטה של מחצית הסף. קחו בחשבון את ה-HFOs עם מרווח בין-אירועים של פחות מ-30 אלפיות השנייה כ-HFO יחיד אחד. חשב את מספר הפסגות באות BP בין נקודות ההתחלה והסיום של HFO, והשליך אירועים עם פחות מ-4 שיאים. כמו כן, השליכו אירועים עם ציון z גבוה מ-12.
         הערה: שנה את סף ניקוד ה-z המקסימלי שלך בהתאם למשרעת החפצים שעשויים להתרחש בהקלטות שלך. אירועים עם מספר נמוך של תנודות יכולים להיגרם על ידי השפעות סינון, בעוד שאירועים עם אמפליטודות גבוהות במיוחד יכולים לנבוע מחפצי שריר או אלקטרודות.
   2. דחה חפצים אפשריים בתחום תדר הזמן.
      הערה: שלב זה הכרחי כדי להבחין בין HFOs אמיתיים לבין אירועים שעלולים להיגרם על ידי פעילות EEG אחרת וחפצי סינון, שתוכן התדר שלהם אינו מוגבל לפס התדרים המעניין. הוא מבוסס על ההנחה ש-HFO אמיתי מופיע כאירוע קצר מועד עם שיא ספקטרלי מבודד בתדר מובהק מעל 80 הרץ, בניגוד לאירוע חולף שיוצר כתם מוארך המורחב בתדירות. איור 3 } ממחיש דוגמה ל-HFO שזוהה המציג את אות ה-EEG המסונן ב-BP (הפאנל העליון), המעטפת שלו (הפאנל האמצעי), ומישור תדר הזמן המתאים (הפאנל התחתון), במהלך התקופה של [-0.5, +0.5] שניות סביב שיא ה-HFO. התצוגה של מישור תדר הזמן מוגבלת בין 80 ל-150 הרץ מכיוון שלא נצפתה פעילות בולטת עבור תדרים מעל 150 הרץ.
      1. המרת כל אירועי ה-HFOs המועמדים למרחב תדר הזמן באמצעות טרנספורמציה של מורלט בטווח התדרים מ-1 הרץ לתדר הגבוה ביותר של עניין, כלומר, 250 הרץ (תדר מרכזי = 1 הרץ, רוחב מלא בחצי מקסימום = 3 שניות).
      2. נתח את ספקטרום ההספק המיידי של ייצוג תדירות הזמן על פני כל נקודת זמן של משך האירוע. עבור כל ספקטרום הספק, עקוב אחר הקריטריונים האוטומטיים כדי לזהות את השיא בפס התדרים הגבוה ולוודא אם הוא נבדל בבירור מהשיא הקרוב ביותר בטווח התדרים התחתון. השליכו HFOs שאינם מראים ספקטרום הספק עם שיא מבודד בתדר גבוה לפחות ב-90% מנקודות הזמן.
2. מיין את כל אירועי ה-HFO שזוהו לפי התרחשותם הזמנית בערוצים שונים. קבץ יחד את כל ה-HFOs הרצופים שמשך הזמן שלהם חופף. שמור רק קבוצות של HFOs הכוללות לפחות שני ערוצי EEG לניתוח נוסף.
   הערה: האלגוריתם מבקש שה-HFOs יופיעו ב-2 ערוצים לפחות כדי להימנע מלכידת חפצים אקראיים מזויפים, שעשויים להידמות ל-HFOs אמיתיים ולהופיע במוליכי EEG בודדים. שני HFOs רצופים נחשבים לחופפים כאשר שעת ההתחלה של ה-HFO השני קודמת לשעת ההתחלה של הראשון.
3. סקירה ויזואלית של אירועי HFO
   1. יישור אנכית של 2 מסכי מחשב; אחד לבדיקת EEG ואחד לבדיקת אותות MEG. הצג את האירועים שזוהו הן בקנה מידה מורחב (2 שניות לדף) והן בקנה מידה טיפוסי (10 שניות לדף), ומציג, בהתאמה, את האותות המסוננים של 80 - 250 הרץ ו-1 - 40 הרץ BP.
   2. התעלם מאירועים המתרחשים במקביל לחפצי שריר או אלקטרודה ב-EEG ו-MEG הלא מסוננים, כמו גם אירועים עם שונות תדרים גדולה, מורפולוגיה לא סדירה או וריאציות משרעת גדולות.
   3. שים לב לאותות EOG ו-EMG במהלך זיהוי ה-HFOs והשליך כל אירוע שנחשב מתאים ל-EOG או לפעילות שרירים. קחו בחשבון רק את ה-HFOs החופפים למטעני EEG/MEG, מכיוון שסביר יותר שהם יהיו HFOs אמיתיים.
      הערה: גישה זו מציעה ספציפיות גבוהה במחיר של רגישות נמוכה; לפיכך, הוא מספק ביטחון שה-HFOs שזוהו הם ממקור קליפת המוח.
   4. שמור רק אירועי HFO המתרחשים באותות EEG ו-MEG בו-זמנית.

4. לוקליזציה של מקורות של מטעני חבלה ו-HFOs

1. לוקליזציה של המחוללים בשיא מטעני ה-MEG, באמצעות דיפולים של זרם שווה ערך (ECD). השתמש בתוכנת הערכות הנורמה המינימלית הזמינה בחינם (http://martinos.org/mne/stable/index.html). שקול רק קוצים עם טוב התאמה (GOF) > 80% ומומנט דיפול Q<500 nA - m. שכב את מיקום ה-ECD על ה-MRI של כל מטופל.
   הערה: האנטרופיה המקסימלית על הממוצע (MEM) היא שיטה חלופית אטרקטיבית שקובעת את המיקום וההיקף של המקורות.
2. לוקליזציה של מקור HFO הן ב-EEG והן ב-MEG באמצעות שיטת האנטרופיה המקסימלית של הגל בממוצע (wMEM).
   הערה: }ה-MEM היא טכניקה יעילה ששימשה בהצלחה לקביעת המיקום וההיקף של מקורות הפעילות האפילפטית. ה-wMEM הוא הרחבה של MEM שפותחה ללוקליזציה של פעילות תנודתית כפי שהוערכה בסימולציות מציאותיות. הוא מפרק את האות על בסיס גל בדיד לפני ביצוע לוקליזציה של מקור MEM בכל קופסת תדר זמן. לפיכך, wMEM מתאים במיוחד ללוקליזציה של HFOs.
   1. פלח את ה-MRI וקבל את פני השטח בקליפת המוח באמצעות Freesurfer.
   2. פתור את בעיית ה-EEG/MEG קדימה בשיטת אלמנט הגבול (BEM) עבור מודל תלת-שכבתי באמצעות OpenMEEG.
   3. דגמו מחדש את האותות ל-640 הרץ על מנת להבטיח שהסולם השני של התמרת הגל הבדידה תואם את פס התדרים המבוקש.
   4. הערך את מטריצת השונות המשותפת של הרעש במרחב הנתונים באופן עצמאי עבור כל HFO, בהתבסס על הרקע בפס האדווה בחלון של 150 אלפיות השנייה מיד לפני כל HFO. בצע את לוקליזציית המקור עבור כל HFO ברצועת האדוות וממוצע לאורך משך ה-HFO. הערה: המפה המתקבלת מורכבת מערך הפעלה קליפת המוח המשויך לכל קודקוד של הטסלציה בקליפת המוח.
   5. נרמל כל מפה על מנת לקבל ערך הפעלה מקסימלי השווה ל-1 עבור כל HFO.
   6. חשב את ממוצע ערכי ההפעלה על פני כל ה-HFOs בכל קודקוד. החל סף של 60% מההפעלה המקסימלית על מנת להציג את המפות הסופיות על פני השטח של קליפת המוח.

תוצאות

חומרים